[发明专利]一种基于深度学习模型的少数民族服饰分类方法和系统

说明书

本发明属于少数民族服饰图像处理技术领域，具体涉及一种基于深度学习模型的少数民族服饰分类方法和系统。本发明的方法包括如下步骤：输入少数民族服饰图像；采用深度学习模型的分割模块对少数民族服饰图像中的帽子、衣服及鞋子进行分割，构造二值图像；采用深度学习模型的回归模块对所述二值图像进行分类，得到少数民族服饰的分类结果。本发明还提供用于上述方法的系统。本发明通过对模型的设计，实现了对少数民族服饰的分割和进一步的分类。本发明分割准确性高，具有很好的应用前景。

技术领域

本发明属于少数民族服饰图像处理技术领域，具体涉及一种基于深度学习模型的少数民族服饰分类方法和系统。

背景技术

随着深度学习技术不断进步，出现了不少基于深度学习技术的图像分割方法，如FCN模型，其背后的一般思想是利用下采样路径来学习各种空间尺度的相关特征，然后利用上采样路径来实现像素级预测的特征，然而该FCN网络出现精细对象信息可能丢失的情况。另外大部分的深度学习模型仅限于完成分割任务，并没有实现端到端的自动分类功能。

服装图像的自动识别在电子商务等领域具有较大的需求，目前已有相关研究，尝试用深度学习模型对服装进行分类。例如，中国发明专利申请“CN107437099A一种基于机器学习的特定服饰图像识别与检测方法”利用机器学习模型对特定的服饰进行识别和检测。然而，这些方法目前仅能够对常规的服饰和民族服饰进行区分，难以进一步对不同民族的服饰进行具体的分类。少数民族服饰的精细细节较多，现有的机器学习方法受限于模型的设计，难以充分发掘图像中服饰的细节特征，因而难以对少数民族的服饰进行准确的分类。

发明内容

针对现有技术的问题，本发明提供一种基于深度学习模型的少数民族服饰分类方法和系统，目的在于准确地对少数民族进行分类。

一种基于深度学习模型的少数民族服饰分类方法，包括如下步骤：

步骤1，输入少数民族服饰图像；

步骤2，采用深度学习模型的分割模块对少数民族服饰图像中的帽子、衣服及鞋子进行分割，构造二值图像；

步骤3，采用深度学习模型的回归模块对所述二值图像进行分类，得到少数民族服饰的分类结果；

其中，所述分割模块从输入到输出依次包括如下部分：

(1)3×3卷积层；

(2)R block模块和Max pooling层；

(3)R block模块和Max pooling层；

(4)R block模块；

(5)反卷积层；

(6)反卷积层和R block模块；

(7)反卷积层和R block模块；

(8)R block模块；

(9)1×1卷积层；

其中，3×3卷积层的特征图通过快捷连接级联到部分(7)中的反卷积层，部分(2)的Max pooling层的特征图通过快捷连接级联到部分(6)中的反卷积层，部分(3)的Maxpooling层的特征图通过快捷连接级联到部分(5)中的反卷积层。

优选的，所述R block模块从输入到输出依次包括如下部分：

(a)特征输入层；

(b)1×1卷积层，将通道数变为3C；

(c)3×3卷积层和批归一化层；

(d)3×3卷积层和批归一化层；

(e)Seg block层；